CN111806454A - 一种基于双模糊控制的驾驶员制动强度识别方法 - Google Patents

一种基于双模糊控制的驾驶员制动强度识别方法 Download PDF

Info

Publication number
CN111806454A
CN111806454A CN202010720256.5A CN202010720256A CN111806454A CN 111806454 A CN111806454 A CN 111806454A CN 202010720256 A CN202010720256 A CN 202010720256A CN 111806454 A CN111806454 A CN 111806454A
Authority
CN
China
Prior art keywords
brake pedal
displacement
braking
small
wheel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202010720256.5A
Other languages
English (en)
Inventor
杨坤
肖锦钊
王杰
谭迪
付宏勋
王有镗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Technology
Original Assignee
Shandong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University of Technology filed Critical Shandong University of Technology
Priority to CN202010720256.5A priority Critical patent/CN111806454A/zh
Publication of CN111806454A publication Critical patent/CN111806454A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Braking Elements And Transmission Devices (AREA)
  • Regulating Braking Force (AREA)

Abstract

本发明提供了一种基于双模糊控制的驾驶员制动强度识别方法，步骤如下：步骤一、通过制动踏板压力传感器采集制动踏板压力信号，通过轮速传感器采集车轮角速度信号，通过制动踏板位移传感器采集制动踏板位移信号；步骤二、基于上述信号，计算得到制动踏板压力变化率、车轮线速度、车轮减速度；步骤三、以制动踏板压力变化率、车轮减速度、制动踏板位移为输入变量，基于模糊控制初步识别制动意图；步骤四、根据识别得到的驾驶员制动意图，选择制动踏板位移的采样周期；步骤五、以制动踏板位移和制动踏板速度为输入变量，基于模糊控制得到制动强度；本发明有效地解决了现有研究中存在的紧急制动时踏板速度计算误差大，制动强度识别精度低的问题。

Description

一种基于双模糊控制的驾驶员制动强度识别方法
技术领域
本发明涉及电动汽车制动技术领域，具体涉及一种基于双模糊控制的驾驶员制动强度识别方法。
背景技术
电动汽车制动时，通过对驾驶员制动意图进行准确识别，有助于高效地完成对电动真空助力系统的控制和制动能量回收系统制动力的分配，从而保证电动汽车的制动效能、制动安全性，并可有效提高整车经济性，所以对于电动汽车来说，驾驶员制动意图识别的准确程度至关重要，从两个方面具体介绍如下：
1)随着环境污染及能源安全问题的日益严重，电动汽车越来越受到人们的重视，制动能量回收系统是电动汽车节能的关键手段之一，它可把原本消耗在摩擦制动中的能量通过电机回收并加以利用，如文献《基于EMB的解耦式制动能量回收系统研究》(杨坤,高松,王杰,等.基于EMB的解耦式制动能量回收系统研究[J].汽车工程,2016,38(8):1072-1079.)所述，这部分能量可占驱动整车所需能量的30％左右；而制动强度是影响制动能量回收控制的关键因素，机电耦合制动力大小和允许施加电机制动力的大小均与驾驶员制动强度需求密切相关，因此，驾驶员制动意图识别的准确程度直接影响电动汽车的制动安全性和经济性。
2)汽车制动性能直接关系到乘员、车辆和行人的安全，随着人们对汽车制动安全性要求的提高，真空助力制动系统已成为乘用车的必装设备；如文献《电动真空助力系统精细匹配研究》(肖锦钊,杨坤,王治宝,王杰,李敏,陈玉.电动真空助力系统精细匹配研究[J].中国科技论文,2019,14(10):1128-1133.)所述，在传统车上制动真空源主要由发动机提供，而电动汽车取消发动机后，真空源完全由电动真空助力系统提供，其性能的好坏直接影响着整车制动性能，甚至整车经济性，因此电动真空助力系统已成为电动汽车的关键电动附件之一，而通过合理识别驾驶员的制动强度，可以准确地对电动真空助力系统施加控制，从而可以在保证整车制动安全性的前提下，减小电动附件的耗能，并有效延长整车续驶里程。
目前，驾驶员制动强度的识别方法大多直接以制动踏板位移和制动踏板速度为输入变量，通过前期研究发现，在紧急制动时踏板速度的计算普遍存在误差较大、制动强度识别精度低等问题，而本发明提出的一种基于双模糊控制的驾驶员制动强度识别方法，可有效解决上述问题，具有较强的创新性和实用价值。
发明内容
一种基于双模糊控制的驾驶员制动强度识别方法，其目的在于提高驾驶员制动强度识别的准确程度。
本发明提供的技术方案为：
一种基于双模糊控制的驾驶员制动强度识别方法，包括以下步骤：
步骤一：通过制动踏板压力传感器采集制动踏板压力信号F，通过轮速传感器采集车轮的角速度信号ω，通过制动踏板位移传感器采集制动踏板位移信号l。
步骤二：通过下列公式计算得到制动踏板压力变化率：
SF＝△F/T＝(F2-F1)/T
其中：SF为制动踏板压力变化率；△F为相邻两个采样时刻间的制动踏板压力差值；T为采样周期；F1为当前采样时刻的制动踏板压力；F2为下一采样时刻的制动踏板压力；
通过下列公式计算得到车轮线速度：
vw＝ω·r
其中：vw为车轮线速度；ω为车轮角速度；r为轮胎滚动半径；
通过下列公式计算得到车轮减速度：
aw＝△vw/T＝(vw2-vw1)/T
其中：aw为车轮减速度；△vw为相邻两个采样时刻间的车轮线速度差值；T为采样周期；vw1为当前采样时刻的车轮线速度；vw2为下一采样时刻的车轮线速度。
步骤三：以制动踏板压力变化率、车轮减速度、制动踏板位移为输入变量，基于模糊控制初步识别得到驾驶员的制动意图，具体流程如下：
将制动踏板压力变化率划分为三个模糊子集：小、中、大；
将车轮减速度划分为三个模糊子集：小、中、大；
将制动踏板位移划分为三个模糊子集：小、中、大；
将制动意图划分为三个模糊子集：轻度制动、中度制动、紧急制动；
设置模糊规则如下：
若车轮减速度为小，且制动踏板压力变化率为小，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为小，制动踏板位移为中，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为小，制动踏板位移为大，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为中，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为中，制动踏板位移为中，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为中，制动踏板位移为大，则制动意图为中度；
若车轮减速度为小，且制动踏板压力变化率为大，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为大，制动踏板位移为中，则制动意图为中度；
若车轮减速度为小，且制动踏板压力变化率为大，制动踏板位移为大，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为小，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为中，且制动踏板压力变化率为小，制动踏板位移为中，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为小，制动踏板位移为大，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为中，制动踏板位移为小，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为中，制动踏板位移为中，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为中，制动踏板位移为大，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为大，制动踏板位移为小，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为大，制动踏板位移为中，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为大，制动踏板位移为大，则制动意图为紧急；
若车轮减速度为大，且制动踏板压力变化率为小，制动踏板位移为小，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为小，制动踏板位移为中，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为小，制动踏板位移为大，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为中，制动踏板位移为小，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为中，制动踏板位移为中，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为中，制动踏板位移为大，则制动意图为紧急；
若车轮减速度为大，且制动踏板压力变化率为大，制动踏板位移为小，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为大，制动踏板位移为中，则制动意图为紧急；
若车轮减速度为大，且制动踏板压力变化率为大，制动踏板位移为大，则制动意图为紧急；
基于上述模糊子集、模糊规则和实时输入的驾驶员制动踏板压力变化率、车轮减速度、制动踏板位移数据，可求得驾驶员制动意图的推理结果，利用最大隶属度法对上述推理结果进行反模糊化，即可得到驾驶员制动意图。
步骤四：根据由步骤三得到的驾驶员制动意图，基于如下原则确定制动踏板位移曲线的采样周期：
轻度制动时，制动踏板位移变化缓慢，为节省计算时间，设置制动踏板位移采样周期为0.07s；
中度制动时，制动踏板位移变化适中，设置制动踏板位移采样周期为0.04s；
紧急制动时，踏板位移变化快，为准确计算踏板速度，设置制动踏板位移采样周期为0.02s；基于选定的采样周期和下式计算不同制动意图下的踏板速度：
Vp＝△Lp/T＝(Lp2-Lp1)/T
其中：Vp为制动踏板速度；△Lp为相邻两个采样时刻间的制动踏板位移差值；T为采样周期；Lp1为本采样时刻的制动踏板位移；Lp2为下一采样时刻的制动踏板位移。
步骤五：以制动踏板位移和制动踏板速度为输入变量，基于模糊控制识别得到制动强度，具体流程如下：
将制动踏板位移划分为五个模糊子集：小、较小、中、较大、大；
将制动踏板速度划分为五个模糊子集：小、较小、中、较大、大；
将制动强度划分为七个模糊子集：极小、小、较小、中、较大、大、极大；
设置模糊规则如下：
若制动踏板位移为小，且制动踏板速度为小，则制动强度为极小；
若制动踏板位移为小，且制动踏板速度为较小，则制动强度为极小；
若制动踏板位移为小，且制动踏板速度为中，则制动强度为小；
若制动踏板位移为小，且制动踏板速度为较大，则制动强度为较小；
若制动踏板位移为小，且制动踏板速度为大，则制动强度为中；
若制动踏板位移为较小，且制动踏板速度为小，则制动强度为极小；
若制动踏板位移为较小，且制动踏板速度为较小，则制动强度为小；
若制动踏板位移为较小，且制动踏板速度为中，则制动强度为较小；
若制动踏板位移为较小，且制动踏板速度为较大，则制动强度为中；
若制动踏板位移为较小，且制动踏板速度为大，则制动强度为较大；
若制动踏板位移为中，且制动踏板速度为小，则制动强度为小；
若制动踏板位移为中，且制动踏板速度为较小，则制动强度为较小；
若制动踏板位移为中，且制动踏板速度为中，则制动强度为中；
若制动踏板位移为中，且制动踏板速度为较大，则制动强度为较大；
若制动踏板位移为中，且制动踏板速度为大，则制动强度为大；
若制动踏板位移为较大，且制动踏板速度为小，则制动强度为较小；
若制动踏板位移为较大，且制动踏板速度为较小，则制动强度为较小；
若制动踏板位移为较大，且制动踏板速度为中，则制动强度为中；
若制动踏板位移为较大，且制动踏板速度为较大，则制动强度为大；
若制动踏板位移为较大，且制动踏板速度为大，则制动强度为极大；
若制动踏板位移为大，且制动踏板速度为小，则制动强度为较小；
若制动踏板位移为大，且制动踏板速度为较小，则制动强度为中；
若制动踏板位移为大，且制动踏板速度为中，则制动强度为较大；
若制动踏板位移为大，且制动踏板速度为较大，则制动强度为大；
若制动踏板位移为大，且制动踏板速度为大，则制动强度为极大；
基于上述模糊子集、模糊规则和实时输入的制动踏板位移和制动踏板速度数据，可计算得到驾驶员制动强度的推理结果，利用最大隶属度法对上述推理结果进行反模糊化，从而可将推理结果转化为一个精确值，即驾驶员制动强度。
本发明的有益效果是：在现有驾驶员制动强度识别方法的基础上，设置了驾驶员意图预识别环节，在基于车轮减速度、制动踏板压力变化率、制动踏板位移对驾驶员意图进行初步识别的基础上，合理选择踏板位移采样周期：轻度制动时，以节省计算时间为目标，降低采样频率，延长制动踏板位移采样周期；紧急制动时，以准确计算制动踏板速度为目标，缩短制动踏板位移采样周期，从而合理兼顾制动踏板速度的识别精度和计算速度，进而有效提高驾驶员制动强度识别的准确程度。
附图说明
图1是一种基于双模糊控制的驾驶员制动强度识别方法的流程图。
图2是模糊规则表1。
图3是模糊规则表2。
图4是原有制动强度识别方法与本发明制动强度识别方法的数据对比表。
图5是原有制动强度识别方法的识别结果图。
图6是本发明制动强度识别方法的识别结果图。
具体实施方案
对本发明的具体实施方式详细介绍如下。
本发明提供一种基于双模糊控制的驾驶员制动强度识别方法，为使本发明的技术方案及效果更加清楚、明确，参照附图并举实例对本发明进一步详细说明；应当理解，此处所描述的具体实施仅用以解释本发明，并不用于限定本发明。
一种基于双模糊控制的驾驶员制动强度识别方法，其目的在于提高驾驶员制动强度识别的准确程度，其流程如图1所示，具体介绍如下：
一种基于双模糊控制的驾驶员制动强度识别方法，包括以下步骤：
步骤一：通过制动踏板压力传感器采集制动踏板压力信号F，通过轮速传感器采集车轮的角速度信号ω，通过制动踏板位移传感器采集制动踏板位移信号l。
步骤二：通过下列公式计算得到制动踏板压力变化率：
SF＝△F/T＝(F2-F1)/T
其中：SF为制动踏板压力变化率；△F为相邻两个采样时刻间的制动踏板压力差值；T为采样周期；F1为当前采样时刻的制动踏板压力；F2为下一采样时刻的制动踏板压力；
通过下列公式计算得到车轮线速度：
vw＝ω·r
其中：vw为车轮线速度；ω为车轮角速度；r为轮胎滚动半径；
通过下列公式计算得到车轮减速度：
aw＝△vw/T＝(vw2-vw1)/T
其中：aw为车轮减速度；△vw为相邻两个采样时刻间的车轮线速度差值；T为采样周期；vw1为当前采样时刻的车轮线速度；vw2为下一采样时刻的车轮线速度。
步骤三：以制动踏板压力变化率、车轮减速度、制动踏板位移为输入变量，基于模糊控制初步识别得到驾驶员的制动意图，具体流程如下：
将制动踏板压力变化率划分为三个模糊子集：小、中、大；
将车轮减速度划分为三个模糊子集：小、中、大；
将制动踏板位移划分为三个模糊子集：小、中、大；
将制动意图划分为三个模糊子集：轻度制动、中度制动、紧急制动；
设置模糊规则如下：
若车轮减速度为小，且制动踏板压力变化率为小，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为小，制动踏板位移为中，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为小，制动踏板位移为大，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为中，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为中，制动踏板位移为中，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为中，制动踏板位移为大，则制动意图为中度；
若车轮减速度为小，且制动踏板压力变化率为大，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为大，制动踏板位移为中，则制动意图为中度；
若车轮减速度为小，且制动踏板压力变化率为大，制动踏板位移为大，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为小，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为中，且制动踏板压力变化率为小，制动踏板位移为中，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为小，制动踏板位移为大，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为中，制动踏板位移为小，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为中，制动踏板位移为中，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为中，制动踏板位移为大，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为大，制动踏板位移为小，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为大，制动踏板位移为中，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为大，制动踏板位移为大，则制动意图为紧急；
若车轮减速度为大，且制动踏板压力变化率为小，制动踏板位移为小，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为小，制动踏板位移为中，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为小，制动踏板位移为大，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为中，制动踏板位移为小，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为中，制动踏板位移为中，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为中，制动踏板位移为大，则制动意图为紧急；
若车轮减速度为大，且制动踏板压力变化率为大，制动踏板位移为小，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为大，制动踏板位移为中，则制动意图为紧急；
若车轮减速度为大，且制动踏板压力变化率为大，制动踏板位移为大，则制动意图为紧急；
相应的模糊规则表如图2所示；
基于上述模糊子集、模糊规则和实时输入的驾驶员制动踏板压力变化率、车轮减速度、制动踏板位移数据，可求得驾驶员制动意图的推理结果，利用最大隶属度法对上述推理结果进行反模糊化，即可得到驾驶员制动意图。
步骤四：根据由步骤三得到的驾驶员制动意图，基于如下原则确定制动踏板位移曲线的采样周期：
轻度制动时，制动踏板位移变化缓慢，为节省计算时间，设置制动踏板位移采样周期为0.07s；
中度制动时，制动踏板位移变化适中，设置制动踏板位移采样周期为0.04s；
紧急制动时，踏板位移变化快，为准确计算踏板速度，设置制动踏板位移采样周期为0.02s；基于选定的采样周期和下式计算不同制动意图下的踏板速度：
Vp＝△Lp/T＝(Lp2-Lp1)/T
其中：Vp为制动踏板速度；△Lp为相邻两个采样时刻间的制动踏板位移差值；T为采样周期；Lp1为本采样时刻的制动踏板位移；Lp2为下一采样时刻的制动踏板位移；
步骤五：以制动踏板位移和制动踏板速度为输入变量，基于模糊控制识别得到制动强度，具体流程如下：
将制动踏板位移划分为五个模糊子集：小、较小、中、较大、大；
将制动踏板速度划分为五个模糊子集：小、较小、中、较大、大；
将制动强度划分为七个模糊子集：极小、小、较小、中、较大、大、极大；
设置模糊规则如下：
若制动踏板位移为小，且制动踏板速度为小，则制动强度为极小；
若制动踏板位移为小，且制动踏板速度为较小，则制动强度为极小；
若制动踏板位移为小，且制动踏板速度为中，则制动强度为小；
若制动踏板位移为小，且制动踏板速度为较大，则制动强度为较小；
若制动踏板位移为小，且制动踏板速度为大，则制动强度为中；
若制动踏板位移为较小，且制动踏板速度为小，则制动强度为极小；
若制动踏板位移为较小，且制动踏板速度为较小，则制动强度为小；
若制动踏板位移为较小，且制动踏板速度为中，则制动强度为较小；
若制动踏板位移为较小，且制动踏板速度为较大，则制动强度为中；
若制动踏板位移为较小，且制动踏板速度为大，则制动强度为较大；
若制动踏板位移为中，且制动踏板速度为小，则制动强度为小；
若制动踏板位移为中，且制动踏板速度为较小，则制动强度为较小；
若制动踏板位移为中，且制动踏板速度为中，则制动强度为中；
若制动踏板位移为中，且制动踏板速度为较大，则制动强度为较大；
若制动踏板位移为中，且制动踏板速度为大，则制动强度为大；
若制动踏板位移为较大，且制动踏板速度为小，则制动强度为较小；
若制动踏板位移为较大，且制动踏板速度为较小，则制动强度为较小；
若制动踏板位移为较大，且制动踏板速度为中，则制动强度为中；
若制动踏板位移为较大，且制动踏板速度为较大，则制动强度为大；
若制动踏板位移为较大，且制动踏板速度为大，则制动强度为极大；
若制动踏板位移为大，且制动踏板速度为小，则制动强度为较小；
若制动踏板位移为大，且制动踏板速度为较小，则制动强度为中；
若制动踏板位移为大，且制动踏板速度为中，则制动强度为较大；
若制动踏板位移为大，且制动踏板速度为较大，则制动强度为大；
若制动踏板位移为大，且制动踏板速度为大，则制动强度为极大；
相应的模糊规则表如图3所示；
基于上述模糊子集、模糊规则和实时输入的制动踏板位移和制动踏板速度数据，可计算得到驾驶员制动强度的推理结果，利用最大隶属度法对上述推理结果进行反模糊化，从而可将推理结果转化为一个精确值，即驾驶员制动强度。
为了验证本发明的有益效果：设置两组仿真实验，第一组采用原有制动强度识别方法，即以踏板位移、踏板速度作为识别参数，踏板位移采样周期采用定值；第二组采用本发明提出的制动强度识别方法。
为对比不同制动强度下，两种识别方法的识别准确性，设置三种仿真工况：
1)设置车辆目标制动强度为0.1g，即轻度制动；
2)设置车辆目标制动强度为0.4g，即中度制动；
3)设置车辆目标制动强度为0.8g，即紧急制动。
分别在上述三种工况下进行驾驶员制动强度识别验证。
具体的仿真结果如图4、图5、图6所示，由结果可知：在轻度、中度制动时，两种识别方法的计算结果均在设定值附近，制动强度计算结果相差很小；在紧急制动时，原有制动强度识别的计算误差为0.09g，而本发明制动强度识别的计算误差仅0.01g，由此可知，相比于原有方案，本发明对制动强度识别的误差明显降低，准确性显著提高。
尽管本发明的实施方案公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (1)

1.一种基于双模糊控制的驾驶员制动强度识别方法，其特征在于，包括以下步骤：
步骤一：通过制动踏板压力传感器采集制动踏板压力信号F，通过轮速传感器采集车轮的角速度信号ω，通过制动踏板位移传感器采集制动踏板位移信号l；
步骤二：通过下列公式计算得到制动踏板压力变化率：
SF＝△F/T＝(F2-F1)/T
其中：SF为制动踏板压力变化率；△F为相邻两个采样时刻间的制动踏板压力差值；T为采样周期；F1为当前采样时刻的制动踏板压力；F2为下一采样时刻的制动踏板压力；
通过下列公式计算得到车轮线速度：
vw＝ω·r
其中：vw为车轮线速度；ω为车轮角速度；r为轮胎滚动半径；
通过下列公式计算得到车轮减速度：
aw＝△vw/T＝(vw2-vw1)/T
其中：aw为车轮减速度；△vw为相邻两个采样时刻间的车轮线速度差值；T为采样周期；vw1为当前采样时刻的车轮线速度；vw2为下一采样时刻的车轮线速度；
步骤三：以制动踏板压力变化率、车轮减速度、制动踏板位移为输入变量，基于模糊控制初步识别得到驾驶员的制动意图，具体流程如下：
将制动踏板压力变化率划分为三个模糊子集：小、中、大；
将车轮减速度划分为三个模糊子集：小、中、大；
将制动踏板位移划分为三个模糊子集：小、中、大；
将制动意图划分为三个模糊子集：轻度制动、中度制动、紧急制动；
设置模糊规则如下：
若车轮减速度为小，且制动踏板压力变化率为小，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为小，制动踏板位移为中，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为小，制动踏板位移为大，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为中，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为中，制动踏板位移为中，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为中，制动踏板位移为大，则制动意图为中度；
若车轮减速度为小，且制动踏板压力变化率为大，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为小，且制动踏板压力变化率为大，制动踏板位移为中，则制动意图为中度；
若车轮减速度为小，且制动踏板压力变化率为大，制动踏板位移为大，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为小，制动踏板位移为小，则制动意图为轻度；
若车轮减速度为中，且制动踏板压力变化率为小，制动踏板位移为中，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为小，制动踏板位移为大，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为中，制动踏板位移为小，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为中，制动踏板位移为中，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为中，制动踏板位移为大，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为大，制动踏板位移为小，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为大，制动踏板位移为中，则制动意图为中度；
若车轮减速度为中，且制动踏板压力变化率为大，制动踏板位移为大，则制动意图为紧急；
若车轮减速度为大，且制动踏板压力变化率为小，制动踏板位移为小，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为小，制动踏板位移为中，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为小，制动踏板位移为大，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为中，制动踏板位移为小，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为中，制动踏板位移为中，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为中，制动踏板位移为大，则制动意图为紧急；
若车轮减速度为大，且制动踏板压力变化率为大，制动踏板位移为小，则制动意图为中度；
若车轮减速度为大，且制动踏板压力变化率为大，制动踏板位移为中，则制动意图为紧急；
若车轮减速度为大，且制动踏板压力变化率为大，制动踏板位移为大，则制动意图为紧急；
基于上述模糊子集、模糊规则和实时输入的驾驶员制动踏板压力变化率、车轮减速度、制动踏板位移数据，可求得驾驶员制动意图的推理结果，利用最大隶属度法对上述推理结果进行反模糊化，即可得到驾驶员制动意图；
步骤四：根据由步骤三得到的驾驶员制动意图，基于如下原则确定制动踏板位移曲线的采样周期：
轻度制动时，制动踏板位移变化缓慢，为节省计算时间，设置制动踏板位移采样周期为0.07s；
中度制动时，制动踏板位移变化适中，设置制动踏板位移采样周期为0.04s；
紧急制动时，踏板位移变化快，为准确计算踏板速度，设置制动踏板位移采样周期为0.02s；基于选定的采样周期和下式计算不同制动意图下的踏板速度：
Vp＝△Lp/T＝(Lp2-Lp1)/T
其中：Vp为制动踏板速度；△Lp为相邻两个采样时刻间的制动踏板位移差值；T为采样周期；Lp1为本采样时刻的制动踏板位移；Lp2为下一采样时刻的制动踏板位移；
步骤五：以制动踏板位移和制动踏板速度为输入变量，基于模糊控制识别得到制动强度，具体流程如下：
将制动踏板位移划分为五个模糊子集：小、较小、中、较大、大；
将制动踏板速度划分为五个模糊子集：小、较小、中、较大、大；
将制动强度划分为七个模糊子集：极小、小、较小、中、较大、大、极大；
设置模糊规则如下：
若制动踏板位移为小，且制动踏板速度为小，则制动强度为极小；
若制动踏板位移为小，且制动踏板速度为较小，则制动强度为极小；
若制动踏板位移为小，且制动踏板速度为中，则制动强度为小；
若制动踏板位移为小，且制动踏板速度为较大，则制动强度为较小；
若制动踏板位移为小，且制动踏板速度为大，则制动强度为中；
若制动踏板位移为较小，且制动踏板速度为小，则制动强度为极小；
若制动踏板位移为较小，且制动踏板速度为较小，则制动强度为小；
若制动踏板位移为较小，且制动踏板速度为中，则制动强度为较小；
若制动踏板位移为较小，且制动踏板速度为较大，则制动强度为中；
若制动踏板位移为较小，且制动踏板速度为大，则制动强度为较大；
若制动踏板位移为中，且制动踏板速度为小，则制动强度为小；
若制动踏板位移为中，且制动踏板速度为较小，则制动强度为较小；
若制动踏板位移为中，且制动踏板速度为中，则制动强度为中；
若制动踏板位移为中，且制动踏板速度为较大，则制动强度为较大；
若制动踏板位移为中，且制动踏板速度为大，则制动强度为大；
若制动踏板位移为较大，且制动踏板速度为小，则制动强度为较小；
若制动踏板位移为较大，且制动踏板速度为较小，则制动强度为较小；
若制动踏板位移为较大，且制动踏板速度为中，则制动强度为中；
若制动踏板位移为较大，且制动踏板速度为较大，则制动强度为大；
若制动踏板位移为较大，且制动踏板速度为大，则制动强度为极大；
若制动踏板位移为大，且制动踏板速度为小，则制动强度为较小；
若制动踏板位移为大，且制动踏板速度为较小，则制动强度为中；
若制动踏板位移为大，且制动踏板速度为中，则制动强度为较大；
若制动踏板位移为大，且制动踏板速度为较大，则制动强度为大；
若制动踏板位移为大，且制动踏板速度为大，则制动强度为极大；
基于上述模糊子集、模糊规则和实时输入的制动踏板位移和制动踏板速度数据，可计算得到驾驶员制动强度的推理结果，利用最大隶属度法对上述推理结果进行反模糊化，从而可将推理结果转化为一个精确值，即驾驶员制动强度。
CN202010720256.5A 2020-07-24 2020-07-24 一种基于双模糊控制的驾驶员制动强度识别方法 Withdrawn CN111806454A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010720256.5A CN111806454A (zh) 2020-07-24 2020-07-24 一种基于双模糊控制的驾驶员制动强度识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010720256.5A CN111806454A (zh) 2020-07-24 2020-07-24 一种基于双模糊控制的驾驶员制动强度识别方法

Publications (1)

Publication Number Publication Date
CN111806454A true CN111806454A (zh) 2020-10-23

Family

ID=72862546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010720256.5A Withdrawn CN111806454A (zh) 2020-07-24 2020-07-24 一种基于双模糊控制的驾驶员制动强度识别方法

Country Status (1)

Country Link
CN (1) CN111806454A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113844426A (zh) * 2021-10-26 2021-12-28 中国第一汽车股份有限公司 一种车辆制动意图识别方法、车辆制动装置及车辆

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113844426A (zh) * 2021-10-26 2021-12-28 中国第一汽车股份有限公司 一种车辆制动意图识别方法、车辆制动装置及车辆

Similar Documents

Publication Publication Date Title
CN108909459A (zh) 电动汽车的能量回收方法、系统以及电动汽车
CN102069794B (zh) 控制混合动力车的经济性驾驶的系统和方法及混合动力车
Luo et al. Multi-objective decoupling algorithm for active distance control of intelligent hybrid electric vehicle
CN109278566A (zh) 后轮驱动纯电动车辆制动能量回收控制方法及装置
Zhao et al. Identification of driver’s braking intention based on a hybrid model of GHMM and GGAP-RBFNN
CN110920405B (zh) 基于综合工况的滑行能量回收模式切换方法、装置及汽车
CN100460253C (zh) 限制汽车回退的方法和装置
CN111806417A (zh) 一种具有失效保护功能的驾驶员制动意图识别方法
Xiong et al. A new dual axle drive optimization control strategy for electric vehicles using vehicle-to-infrastructure communications
CN101005971B (zh) 消除汽车翻倒危险的方法和装置
CN110466361A (zh) 两轮轮毂电机驱动纯电动汽车整车控制器及控制方法
Yu et al. Research on anti-lock braking control strategy of distributed-driven electric vehicle
CN107161012A (zh) 用于电动车辆的控制再生制动协作的方法
CN110239558A (zh) 一种基于识别系数的驾驶风格分层模糊识别系统
CN108556846A (zh) 用于进行车辆制动滑行能量回收的控制方法及控制系统
CN104816639B (zh) 一种新能源商用车能量高效回收系统
CN111806454A (zh) 一种基于双模糊控制的驾驶员制动强度识别方法
CN108482131B (zh) 一种48v电池、bsg弱混合动力能量回收控制系统的控制方法
EP2810840B1 (en) Decelerating factor-estimating device
CN109969175A (zh) 一种实现车辆紧急避让的控制方法及系统
CN205344877U (zh) 电动汽车选速调速装置
CN111959508A (zh) 一种基于人工智能的驾驶辅助系统
CN113682152B (zh) 一种分布式驱动汽车牵引力控制方法
CN111942167A (zh) 基于驾驶员加速意图识别的纯电动汽车驱动电机控制方法
Zhang et al. Safety ensurence research on the regenerative braking system of electric vehicle

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20201023

WW01 Invention patent application withdrawn after publication